One of the main challenges in the security of energy supply in modern power systems is the frequency deviation. Appearance of an imbalance between the demand and supply of electrical energy is the main reason for any change in the frequency level of the grid. Thus, the Load Frequency Control (LFC) operation is usually performed automatically to restore the stability in the frequency level of the system. LFC has been studied with different controllers previously. However, this study concentrates on proposing a new configuration for the Fuzzy Logic Controller (FLC) to be implemented in the modeling of a test two-area power system under two different operational conditions and challenges to analyze its performance. A Third-Order Fermat Curve-based Fuzzy Inference System (TOFC-FIS) is designed for the FLC with the aim of optimizing the performance of type-I FLCs in the LFC application. The motive for this study was to mathematize the FIS of FLC to prepare a basis for further performance enhancement using optimization algorithms. Thus, the proposed FIS is optimized using a Neural Network (NN) to create an Adaptive Neuro-Fuzzy Inference System for the FLC in the studied scenarios. The results of typical and NN-trained TOFC-FIS-based FLC illustrate the considerable improvement in performance indexes of LFC in two-area power systems compared to both conventional and intelligent control methods.

频率偏差是现代电力系统能源供应安全的主要挑战之一。电能供需不平衡的出现是电网频率水平发生任何变化的主要原因。因此，负载频率控制 (LFC) 操作通常自动执行以恢复系统频率水平的稳定性。之前已经用不同的控制器研究了 LFC。然而，本研究的重点是提出模糊逻辑控制器 (FLC) 的新配置，以在两种不同的运行条件和分析其性能的挑战下，在测试双区域电力系统的建模中实施。基于三阶费马曲线的模糊推理系统 (TOFC-FIS) 是为 FLC 设计的，旨在优化 I 型 FLC 在 LFC 应用中的性能。本研究的动机是将 FLC 的 FIS 数学化，为使用优化算法进一步提高性能奠定基础。因此，所提出的 FIS 使用神经网络 (NN) 进行优化，以在研究场景中为 FLC 创建自适应神经模糊推理系统。基于典型和 NN 训练的基于 TOFC-FIS 的 FLC 的结果表明，与传统控制方法和智能控制方法相比，LFC 在双区域电力系统中的性能指标有了显着提高。本研究的动机是将 FLC 的 FIS 数学化，为使用优化算法进一步提高性能奠定基础。因此，所提出的 FIS 使用神经网络 (NN) 进行优化，以在研究场景中为 FLC 创建自适应神经模糊推理系统。基于典型和 NN 训练的基于 TOFC-FIS 的 FLC 的结果表明，与传统控制方法和智能控制方法相比，LFC 在双区域电力系统中的性能指标有了显着提高。本研究的动机是将 FLC 的 FIS 数学化，为使用优化算法进一步提高性能奠定基础。因此，所提出的 FIS 使用神经网络 (NN) 进行优化，以在研究场景中为 FLC 创建自适应神经模糊推理系统。基于典型和 NN 训练的基于 TOFC-FIS 的 FLC 的结果表明，与传统控制方法和智能控制方法相比，LFC 在双区域电力系统中的性能指标有了显着提高。